Médiafogyasztási szokásokon tanított nyelvi modellek képesek megjósolni a közvélemény alakulását
- A megközelítés egy alap nyelvi modellt (BERT) használ a szövegből hiányzó szavak megjóslására.
- A modellt olyan médiafogyasztási adatkészleteken finomhangolták, amelyek hírcikkeket, TV-műsorok és rádióadások leiratait tartalmazzák.
- A modell előrejelzést készít arról, hogyan válaszolna egy adott alcsoport egy közvélemény-kutatási kérdésre.
- A tesztek statisztikailag szignifikáns korrelációt mutattak a COVID-19-cel és a fogyasztói bizalommal kapcsolatos közvélemény-adatokban.
- A prediktív erő stabil maradt a demográfiai adatok bevonása mellett és a különböző médiatípusok esetében is.
- A kutatás korábbi munkákra épít, amelyek kimutatták, hogy a GPT-3 képes a vélemények „szilícium mintáinak” (silicon samples) generálására.
Az ilyen kutatások rávilágítanak arra, hogy az AI-rendszereknek komoly esélyük van a politikai kampányokba való integrációra – képzeljünk el egy világot, ahol folyamatosan generálunk és finomítunk egyre specifikusabb „szilícium minta” modelleket különböző alcsoportokról, szigorúan benchmarkoljuk őket, majd beépítjük azokat az általam permutációs felméréseknek nevezett folyamatokba – olyan felmérésekbe, amelyek az LLM-ek által generált pontos variációkon alapulnak. Úgy gondolom, ezzel a megközelítéssel gyorsan (és olcsón!) hatalmas politikai hírszerzési adatbázist lehetne építeni a problémás területekről, majd célzott emberi felméréseket végezni az így azonosított kulcsfontosságú politikai feszültségpontokon. ---